ارزیابی عملکرد شتابدهنده های استارتاپی با استفاده از رویکرد ادغامی تحلیل پوشش داده ها و برنامه ریزی آرمانی
محورهای موضوعی :محمدرضا پارسانژاد 1 , عمران محمدی 2 , مجتبی نوری 3 , سید شرف الدین حسینی نسب 4 , سید رشید شاهچراغ 5
1 - دانشکده مهندسی پیشرفت
2 - علم وصنعت
3 - دانشگاه علم و صنعت ایران
4 - دانشگاه علم و صنعت ایران
5 - دانشگاه علم و صنعت ایران
کلید واژه: شتابدهنده استارتاپ ارزیابی عملکرد تحلیل پوششی داده ها برنامه ریزی آرمانی,
چکیده مقاله :
شتابدهنده های استارتاپی یک مدل حمایتی کارآفرینانه جدید هستند که سرعت رشد شرکت های نوپا را با ارائه خدمات مشاوره تخصصی، فرصت های شبکه سازی و جذب سرمایه گذاری برای کسب و کارهای مبتنی بر رشد افزایش می دهند. پس از ظهور اولین شتابدهنده استارتاپی در آمریکا در سال 2005، روند رشد شتابدهنده ها در جهان بسیار سریع بوده است. ارزیابی عملکرد جامع این شتابدهنده ها نه تنها موفقیت نسبی این مدل جدید حمایتی را روشن خواهد کرد بلکه می تواند به شتابدهنده های ایرانی در الگوبرداری از نحوه عملکرد بهترین شتابدهنده های جهان کمک کرده و کارآفرینان و استارتاپها را نیز در تشخیص و انتخاب بهترین برنامه شتابدهی یاری کنند. لذا در این مقاله، هدف ما اندازه گیری عملکرد شتابدهنده های برتر آمریکا با استفاده از روش تحلیل پوششی داده ها با رویکرد برنامه ریزی آرمانی می باشد. ورودی های در نظر گرفته شده عبارتند از تعداد مربی، تعداد استارتاپها، مبلغ سرمایه گذاری در هر استارتاپ و در کل استارتاپها، و سهام شتابدهنده در هر استارتاپ. خروجی ها نیز شامل تعداد خروج، رقم مجموع خروج و افزایش سرمایه گذاری می باشد. نتایج نهائی و مقایسه آن با پروژه رتبه بندی شتابدهنده های استارتاپی (SARP)به عنوان تنها ارزیابی انجام شده از عملکرد شتابدهنده ها در جهان، نشان دهنده اختلافات بسیاری است که اغلب نشات گرفته از این است که پروژه SARP صرفا با در نظر گرفتن خروجی شتابدهنده را رتبه بندی می کند ولی ما با استفاده از روش DEA کارائی یعنی نسبت خروجی به ورودی را به عنوان معیار ارزیابی در نظر گرفته ایم.
Startup accelerator program is a new incubation model to accelerate venture creation providing specialized mentorship, networking opportunities and financing growth driven businesses. Since emergence of the first accelerator in US in 2005, the number of seed accelerating programs has quickly grown worldwide. Performance evaluation of these emerging programs not only could clarify relative success of this new incubation approach but also help out Iranian emerging accelerators to benchmark from pioneers of the industry. The evaluation could also assist startups and entrepreneurs to find out which of the existing accelerators are well-performed and thus ease decision making to select them as their incubator. So in this paper we aim to measure the performance of US top accelerators using a DEA method combined with goal programing approach. The inputs of the evaluation consist of numbers of mentors and startups, investment on each startup in average and in general, and the share of accelerator in startup company. The outputs in turn are different and include number and value of exits, and fund raising. Comparison of the final result with Seed Accelerator Ranking Project (SARP), shows different sorting and it is due the distinct evaluation approach. SARP considers only outputs of accelerators but we take in to account both outputs and inputs in the evaluation which could better illustrate the efficiency of DMUs.
1) Deloitte Report, (2015), Technology and people, the great job-creating machine.
2) Haltiwanger, J., Jarmin, R.S., Miranda, J., (2013), Who creates jobs small versus large versus young.
3) Kauffman Foundation Report (2009), Where will the jobs come from?
4) Kauffman Foundation Report (2014), The Importance of young firms for economic growth.
5) Fort T.C., Haltiwanger J., Jarmin R.S., Miranda, J., (2013), How firms respond to business cycles, the role of firm age and firm size, IMF Economic Review, Palgrave Macmillan, 61(3), 520-559.
6) Forbes Report, (2017), Startups will define the future of U.S. employment.
7) Hudson Institute Report, (2012), The collapse of startups in job creation.
8) Wiggins, J., Gibson, D. V. (2003), Overview of US incubators and the case of the Austin Technology Incubator. Innovation, 3(1/2), 56-66.
9) Dilts, D. M., Hackett, S. M. (2004), A Systematic Review of Business Incubation. Journal of Technology Transfer, 29, 55-82.
10) Hathaway, I., (2016), What Startup Accelerators Really do, Harvard Business Review, https://hbr.org/2016/03/what-startup-accelerators-really-do
11) Miller, P., Bound, K., (2011), The Startup Factories: the rise of accelerator programmes to support new technology ventures, NESTA Publication.
12) Seed Accelerators Project Ranking-SAPR, (2014), https://seedranking.com.
13) رضائيان، علي (1394). مباني سازمان و مديريت تهران، سازمان مطالعه و تدوين كتب علوم انساني دانشگاه ها.
14) Jean, E., Audet, J. (2012), The role of mentoring in the learning development of the novice entrepreneur. International Entrepreneurship and Management Journal, 8(1), 119-140.
15) De Clercq, D., Fried V.H., Lehtonen, O., and Sapienza H.J., (2006), An Entrepreneur’s Guide to the venture capital Galaxy, Academy of Management Perspectives, 20 (3), 90-112.
16) DeTienne, D.R. (2010), Entrepreneurial exit as a critical component of the entrepreneurial process: Theoretical development, Journal of Business Venturing, 25(2), 203- 215.
17) Wennberg, K., ,Wiklund J., DeTienne D.R., Cardon, M.S., (2010), Reconceptualizing entrepreneurial exit: Divergent exit routes and their drivers, Journal of Business Venturing, 25, 361–375
18) Gladstone, D., Gladstone, L., (2004), Venture Capital Investing: The Complete Handbook for Investing in Private Businesses, FT Press.
19) جهانخانی، علی و پارسائیان، علی مدیریت مالی(1394) جلد اول. سازمان مطالعه وتدوین کتب علوم انسانی دانشگاه ها .
20) Cook, W.D., Zhu, J., (2014), Data Envelopment Analysis, A Handbook of Modeling Internal Structure and Network, International Series in Operations Research and Management Science, Springer.
21) Cooper, W.W., Seiford, L.M., Zhu, J., (2011), Handbook on Data Envelopment Analysis, International Series in Operations Research and Management Science, Springer.
22) Zhu, J., (2014), Quantitative Models for Performance Evaluation and Benchmarking, Data Envelopment Analysis with Spreadsheets, International Series in Operations Research and Management Science, Springer.
23) Nooreha, H., Mokhtar A., Suresh, K., (2000), Evaluating public sector efficiency with data envelopment analysis: A case study in road transport department, Selangor, Malaysia. Total Quality Management, 11(4), 830-836.
24) Charnes, A., Cooper, W. W., Rhodes, E. (1978), Measuring the efficiency of decision making units, European Journal of Operational Research, 2(6), 429-444.
25) Banker, R. D., Charnes, A., Cooper, W. W. (1984), Some models for estimating technical scale inefficiencies in data envelopment analysis. Management Science, 30(9), 1078-1092
26) Adila, A. (2001), Predictors of university academic performance in Colombia, International Journal of Educational Research, 35 (4), 411 - 417.
27) .مهرگان، محمدرضا (1387) مدلهای کمی در ارزیابی عملکرد سازمانها، چاپ دوم، انتشارات دانشکده مدیریت دانشگاه تهران.